Approches par motifs pour la caractérisation du microbiote intestinal au cours de la vie. - STAGE DEJA POURVU

Type de poste
Niveau d'étude minimal
Dates
Durée du poste
Contrat renouvelable
Contrat non renouvelable
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Nom de la structure d'accueil
Adresse

16 Rue Claude Bernard
75005 PARIS
France

Contacts
Chloé Vigliotti
Christine Martin
Email du/des contacts
chloe.vigliotti@agroparistech.fr
christine.martin@agroparistech.fr
Description

Stage déjà pourvu, candidatures closes.

Le microbiote intestinal humain (i.e. l’ensemble des espèces microbiennes de l’intestin) représente 10^12 à 10^14 micro-organismes, soit 2 à 10 fois plus que le nombre de cellules qui constituent notre corps. Des liens entre le déséquilibre de cet écosystème et certaines pathologies métaboliques ou inflammatoires (obésité, diabète de type 2, foie gras non alcoolique -NAFLD ...) ont été établis. De manière plus générale, l’inflammation est un processus impliqué dans le vieillissement. Comprendre comment le microbiote intestinal évolue au cours de la vie (de 0 à 104 ans) pourrait permettre des avancées significatives dans le traitement des pathologies citées ci-dessus et de manière plus générale avoir des retombées importantes dans le domaine de la santé. Au sein de l’équipe Ekinocs (Expert Knowledge, INteractive modellINg and learnINgfor understandINg and decisiOn makINg in dINamic Complexe Systems ) vous aurez pour mission d’analyser des données de microbiotes à différentes échelles phylogénétiques par des approches d’apprentissage non supervisé et notamment par des approches à base de motifs. Les travaux que vous mènerez auront d’une part un but applicatif en cherchant à répondre notamment à la question suivante : est-il possible d’identifier des associations de microbes propres à certaines classes d’âge, ou au contraire conservées tout à long de la vie ? D’autre part, outre le fait que ce domaine d’application a été peu investigué par les approches d’apprentissage, la spécificité des données étudiées (à différents niveaux phylogénétiques) pourra être l’occasion d’apports méthodologiques notamment dans la prise en compte d’informations multi-échelles.

Profil souhaité du candidat : Ce stage s’adresse avant tout à des étudiants de fin de Master ou de dernière année d’école d’ingénieur ayant des connaissances à la fois en biologie, un intérêt pour l’écologie microbienne et/ou la santé humaine ainsi que des compétences en science des données et plus particulièrement en apprentissage automatique. Une maîtrise des langages Python et R est souhaitée.

Equipe adhérente personne morale SFBI
Equipe Non adhérente